13、基于微阵列数据的癌症分类及进化P系统研究

基于微阵列数据的癌症分类及进化P系统研究

在癌症分类领域，特征选择一直是一个关键问题。特别是在基于基因表达的癌症分类中，大量的基因与少量的样本相结合，使得基因选择问题变得更加关键和具有挑战性。

基因表达癌症分类特征选择方法

在基因表达癌症分类中，提出了一种将膜计算与智能算法相结合的方法，以提高微阵列数据的分类性能。该方法主要由两部分组成：
1. kP - MObPSO ：类似于包装器类型的特征选择方法。
2. 基于kP系统的嵌入式特征选择和分类 ：用于改进第一部分的结果。

通过实验评估标记基因集的性能，评估指标包括准确性、ROC、错误率、召回率、F - 度量、特异性和标记基因集的大小。

实验结果

• 乳腺癌数据集 ：使用嵌入式kP - MObPSO特征选择/分类器WEKA（SMO）的结果如下表所示：
  | Set No. | Error rate | Accuracy | ROC Area | F - measure | Sensitivity | Specificity |
  | ---- | ---- | ---- | ---- | ---- | ---- | ---- |
  | 1 | 0.1923 | 80.76 | C1 = 0.827
  C2 = 0.827 | C1 = 0.844
  C2 = 0.750 | C1 = 0.771
  C2 = 0.882 | C1 = 0.882
  C2 = 0.882 |